R 如何在xgboost中关闭silent=1？

我正在尝试训练xgboost模型，训练似乎有效，但我无法将参数silent设置为0，即打印训练迭代。我使用以下代码：

param <- list(max_depth = 2, eta = 0.005, nthread = 2, objective = "multi:softprob", eval_metric = "auc", num_class = 3, verbose = 2, silent = 0)

xgb.train(param, data = test_matrix_1, nrounds = 10, print_every_n = 1)

---

尝试

选项（warn=-1，echo=FALSE，verbose=FALSE）

，您也可以在

中查看其他选项。选项
您不使用R中的
静默参数。
您可以使用
verbose
参数

下面是
verbose=0、1或2

# verbose = 0, no message
bst <- xgboost(data = dtrain, max.depth = 2, eta = 1, nthread = 2, nround = 2, objective = "binary:logistic", verbose = 0)

# verbose = 1, print evaluation metric
bst <- xgboost(data = dtrain, max.depth = 2, eta = 1, nthread = 2, nround = 2, objective = "binary:logistic", verbose = 1)

## [0]  train-error:0.046522
## [1]  train-error:0.022263

# verbose = 2, also print information about tree
bst <- xgboost(data = dtrain, max.depth = 2, eta = 1, nthread = 2, nround = 2, objective = "binary:logistic", verbose = 2)

## [11:41:01] amalgamation/../src/tree/updater_prune.cc:74: tree pruning end, 1 roots, 6 extra nodes, 0 pruned nodes, max_depth=2
## [0]  train-error:0.046522
## [11:41:01] amalgamation/../src/tree/updater_prune.cc:74: tree pruning end, 1 roots, 4 extra nodes, 0 pruned nodes, max_depth=2
## [1]  train-error:0.022263

#verbose=0，无消息
bst如果要关闭
silent=1
（请参阅
？xgboost
），首先需要从
param
列表中删除
verbose

其次您需要
观察列表
参数，因为您需要在学习时观察评估指标。它能够在第一个数据集上学习，并在第二个数据集上测试其模型（有关更多信息，请参阅
？xgboost
）。e、 g

watchlist这个变通方法对我来说很有效：

将数据转换为包含标签和数据的列表，作为矩阵包中的CsparseMatrix

test_matrix_3 <- list(data = as(training_data, "CsparseMatrix"), label = label)

在R中的xgboost中是否有任何选项
静音
？我认为您应该使用不同的
verbose
值。我认为您只需要忽略
param
中的
silent
选项<代码>？xgboost
说“静默0表示打印正在运行的消息，1表示静默模式。默认值：0”。在第21页中是这样说的，我尝试了所有三种详细设置，不幸的是没有运气，但感谢tipYes@Prem，我的问题是，在
xgb.train
中添加
verbose=2
而不是
param
列表后，我的默认值似乎是1，而不是0。感谢alot@Prem，它几乎成功了，我得到了如下打印结果：[15:03:37]合并/。/src/tree/updater\u prune.cc:74：树修剪结束，1根，12个额外节点，0个修剪节点，最大深度=4，但仍然没有评估指标…首先，我很抱歉我的反应太晚，我非常感谢你的帮助，不幸的是，这没有起到作用。但是我还是设法找到了答案，通过使用Matrix-package中的xgboost函数和Csparsematrix。很好，你找到了答案。你可能会有兴趣把它作为一个答案，这样，如果将来陷入类似的迷宫中，其他人可以从中受益。顺便说一句，这两个函数的实现是相同的
xgb。train
是一个高级接口&
xgboost
提供了一个更简单的接口。指定“监视列表”为我解决了这个问题。所以我认为这个答案应该被接受
watchlist <- list(train=dtrain, test=dtest)

library(xgboost)

#sample data
data(agaricus.train, package='xgboost')
data(agaricus.test, package='xgboost')

dtrain <- xgb.DMatrix(agaricus.train$data, label = agaricus.train$label)
dtest  <- xgb.DMatrix(agaricus.test$data, label = agaricus.test$label)
watchlist <- list(train=dtrain, test=dtest)

#training XGBoost model 
param <- list(max_depth = 2, eta = 1, nthread = 2, 
              objective = "binary:logistic", eval_metric = "auc", eval_metric="error")
fit <- xgb.train(param, data=dtrain, nrounds=10, watchlist=watchlist, verbose = 2)

test_matrix_3 <- list(data = as(training_data, "CsparseMatrix"), label = label)

xgboost(data = test_matrix_3$data, label = test_matrix_3$label, 
                 max.depth = 4, eta = 1, nthread = 2, nround = 500, objective = "multi:softmax", num_class = 3, eval.error = "auc")